SkillExtract
Ausgangssituation
Das zukünftige Arbeitsleben wird zunehmend durch Projektarbeit, Freelancing und Wissens-intensität geprägt. Dies stellt hohe Anforderungen an ein dynamisches betriebliches Kompetenz- und Wissensmanagement. Laut Deloitte (2016) öffnen sich Personalabteilungen daher zunehmend für unternehmensübergreifende Cloud Angebote im People Analytics Bereich und der Markt steht weltweit vor einem exponentiellen Wachstum im Milliardenbereich. Unternehmen greifen vermehrt auf Technologien zurück die es ihnen ermöglichen aus unstrukturierten Textdaten, bspw. aus sozialen Netzwerken, internen Wikis oder Projektmanagementsystemen, präzise Experten- und Projektprofile zu generieren, die fachliche Kompetenzen erfassen, das Staffing von Projekten und Auffinden von Ansprechpartnern erleichtern und betriebliche Entwicklungspotenziale aufdecken. Hierbei werden Skills bislang jedoch als atomare, fachliche Fertigkeiten erkannt, bspw. Eine Programmiersprache oder Entwicklungsmethodik. Damit gehen jedoch wichtige Kontextinformationen verloren, bspw. in welcher Branche jemand eine bestimmte Technologie eingesetzt hat.
Zielsetzung
Um diesem Problem zu begegnen soll innerhalb des Vorhabens „SkillExtract“ ein Algorithmus entwickelt werden, der in der Lage ist, mögliche Relationen zwischen Skills zu identifizieren und zu klassifizieren. Damit soll ermöglicht werden, die Anwendung fachlicher Skills bspw. in bestimmten Branchen, oder auch die Kombination von Fertigkeiten, bspw. „Entwicklung einer API für Amazon Cloud Services“, zu erkennen.
Projektbeteiligte
- smarTransfer GmbH, Dr. René Wegener
- Universität Kassel, Fachgebiet Wirtschaftsinformatik
Förderung
Dieses Projekt (HA-Projekt-Nr.: 628/18-51) wird im Rahmen von Hessen ModellProjekte aus Mitteln der LOEWE – Landes-Offensive zur Entwicklung Wissenschaftlich-ökonomischer Exzellenz, Förderlinie 3: KMU-Verbundvorhaben gefördert.
Ansprechpartner
QuAALi